Selenium 的創始人近日推出了專為 AI Agent 打造的瀏覽器自動化基礎架構 Vibium。

該項目的核心是一個由 Go 語言編寫的單一二進制文件 Clicker。這個核心組件集成了瀏覽器生命週期管理、WebDriver BiDi 協議代理以及 MCP 服務器功能。

• 瀏覽器管理：檢測/啓動啓用雙向通信的 Chrome 瀏覽器
• 雙向代理：一種將命令路由到瀏覽器的 WebSocket 服務器
• MCP 服務器： LLM 代理的標準輸入輸出接口
• 自動等待：在交互之前輪詢元素
• 屏幕截圖：視口捕獲為 PNG 格式

項目架構如下：

┌─────────────────────────────────────────────────────────────┐
│                         LLM / Agent                         │
│          (Claude Code, Codex, Gemini, Local Models)         │
└─────────────────────────────────────────────────────────────┘
                      ▲
                      │ MCP Protocol (stdio)
                      ▼
           ┌─────────────────────┐         
           │   Vibium Clicker    │
           │                     │
           │  ┌───────────────┐  │
           │  │  MCP Server   │  │
           │  └───────▲───────┘  │         ┌──────────────────┐
           │          │          │         │                  │
           │  ┌───────▼───────┐  │WebSocket│                  │
           │  │  BiDi Proxy   │  │◄───────►│  Chrome Browser  │
           │  └───────────────┘  │  BiDi   │                  │
           │                     │         │                  │
           └─────────────────────┘         └──────────────────┘
                      ▲
                      │ WebSocket BiDi :9515
                      ▼
┌─────────────────────────────────────────────────────────────┐
│                        JS/TS Client                         │
│                     npm install vibium                      │
│                                                             │
│    ┌─────────────────┐               ┌─────────────────┐    │
│    │ Async API       │               │    Sync API     │    │
│    │ await vibe.go() │               │    vibe.go()    │    │
│    │                 │               │                 │    │
│    └─────────────────┘               └─────────────────┘    │
└─────────────────────────────────────────────────────────────┘

通過 Vibium，諸如 Claude Code 之類的智能體只需通過簡單的 MCP 命令，即可獲得完整的瀏覽器交互能力。該架構支持自動檢測與下載瀏覽器、自動等待頁面元素，並提供同步與異步的 API 調用方式，極大地降低了 Agent 操作瀏覽器的門檻。

開源地址：https://github.com/VibiumDev/vibium